DenyTranDFW/GM_Financial_Consumer_Automobile_Receivables_Trust_2023_4_1991088

该数据集包含美国证券交易委员会（SEC）ABS-EE资产级别文件，针对CIK（中央索引键）1991088，即GM Financial Consumer Automobile Receivables Trust 2023-4。具体来说，它涵盖了32个文件，总大小为99.5 MB，报告期从2023年8月31日开始，至2026年2月28日结束。数据集中的Parquet文件是从XML展品中提取的贷款级别或资产级别数据，组织方式为“{accession_nodash}/{exhibit_name}.parquet”，报告期日期基于资产级别XML中的“reportingPeriodEndingDate”字段。这些文件用于金融分析和资产支持证券（ABS）研究，特别是与汽车消费贷款相关的资产。This dataset comprises U.S. Securities and Exchange Commission (SEC) ABS-EE asset-level files corresponding to CIK (Central Index Key) 1991088, specifically GM Financial Consumer Automobile Receivables Trust 2023-4. It encompasses 32 files with a total size of 99.5 MB, spanning a reporting period from August 31, 2023 to February 28, 2026. The Parquet files within this dataset are loan-level or asset-level data extracted from XML exhibits, structured in the pattern "{accession_nodash}/{exhibit_name}.parquet". The reporting period dates are derived from the "reportingPeriodEndingDate" field included in the asset-level XML files. These files are intended for financial analysis and asset-backed securities (ABS) research, particularly for assets associated with consumer automobile loans.

搜集汇总

数据集介绍

构建方式

该数据集源自美国证券交易委员会（SEC）的ABS-EE资产层面申报文件，聚焦于GM Financial Consumer Automobile Receivables Trust 2023-4（CIK 1991088）。数据集通过系统化采集自2023年8月至2026年2月期间总计32份SEC申报文件构建而成，从XML展品中提取贷款层面与资产层面的结构化信息，并转化为Parquet格式文件存储。每个Parquet文件依据申报编号去连字符后与展品名称组织为明确的目录层级，同时利用XML中的报告期末日期字段统一标注各文件对应的报告时段，确保了数据的可追溯性与时间一致性。

使用方法

用户可直接从HuggingFace数据集页面下载全部32个Parquet文件，或通过编程方式（如使用Python的Pandas库）加载特定申报周期的资产数据。文件命名遵循‘{accession_nodash}/{exhibit_name}.parquet’规则，便于按时间或展品类型进行筛选。对于需要批量处理的研究场景，推荐将整个数据集目录读入数据框架，利用报告期末日期字段进行时间序列分析或违约风险建模。该数据集的开放使用受GPL许可证约束，适用于学术研究与合规性审查。

背景与挑战

背景概述

GM Financial Consumer Automobile Receivables Trust 2023-4（CIK 1991088）是由通用汽车金融公司（GM Financial）发起，于2023年8月设立的资产支持证券（ABS）产品，旨在通过将汽车零售贷款池证券化，为投资者提供基于底层资产信用表现的固定收益工具。该数据集收录了自2023年8月31日至2026年2月28日期间，发行人向美国证券交易委员会（SEC）提交的32份ABS-EE（资产支持证券-资产级数据）电子化备案文件，涵盖32个Parquet格式的逐笔贷款级资产数据，总容量约99.5兆字节。作为SEC监管框架下ABS-EE申报要求的标准化产物，该数据集对推动资产支持证券市场的信息透明化、支持结构化金融产品的风险建模与定价研究具有重要价值，尤其为汽车贷款ABS的现金流分析、违约预测和资产池同质性评估提供了高保真度的微观数据基础。

当前挑战

该数据集所解决的领域核心挑战在于，传统ABS分析长期受困于资产池层面汇总数据的信息粒度不足，难以精准刻画逐笔贷款的信用行为与现金流异质性，而该数据集的资产级Parquet文件以结构化的贷款要素（如摊销计划、剩余本金、逾期状态）填充了这一空白。构建过程中，主要挑战源自对XML附录中非标准标签体系的解析与跨报告期数据的一致性对齐，需要将不同申报版本中可能存在字段命名差异或缺失值的32份文件，整合为时序连贯、字段明晰的资产级面板数据；此外，确保从SEC EDGAR系统抓取的32个备案号的链接持久有效，并维持Parquet文件的轻量化与可查询性，也需要在数据存储与版本控制中投入精细的设计。

常用场景

经典使用场景

在资产支持证券（ABS）研究领域，GM Financial Consumer Automobile Receivables Trust 2023-4 数据集为信贷风险建模与证券化产品分析提供了经典的基准资源。该数据集涵盖了从2023年8月至2026年2月的逐月资产级贷款数据，共计32份Parquet文件，详细记录了每笔汽车贷款的还款表现、违约状态及池内结构变化。研究者通常利用这些高频、细粒度的结构化数据，构建违约概率预测模型、评估提前偿付行为，或对ABS分级证券的现金流进行蒙特卡洛模拟，从而验证不同经济情景下资产池的信用质量演变。

解决学术问题

该数据集有效解决了资产证券化市场中因底层贷款信息不透明导致的信用定价难题。传统研究中，学者往往受限于聚合层面的数据，无法精准刻画单笔贷款的风险特征。借助这一高透明度、结构化的逐笔贷款数据，研究者得以深入探讨提前偿付风险与违约风险之间的动态关联，量化宏观经济因子对汽车贷款组合质量的异质性影响，并检验不同分层结构在压力情景下的保护效率。这些工作极大推动了实证资产定价与结构性金融理论在汽车ABS领域的融合，提升了学术界对复杂信用风险传导机制的理解。

实际应用

在实际应用中，这一数据集为金融机构、评级机构和监管部门的日常风控与证券化管理提供了可靠支持。投资经理可借助逐月更新的资产表现数据，实时监控投资组合的健康度，优化调仓策略；评级机构能够基于真实贷款历史校准评级模型，提高对同类产品信用评级的准确性。此外，对于辅助金融科技公司开发自动化信用评估系统而言，该数据集中蕴含的借款人还款轨迹、车辆残值分布等维度，是训练贷款违约预警模型和现金流预测算法的重要素材。

数据集最近研究

最新研究方向

在资产证券化（ABS）领域，该数据集聚焦于GM Financial Consumer Automobile Receivables Trust 2023-4的逐笔贷款层面信息披露，涵盖了从2023年8月至2026年2月期间的32份SEC ABS-EE资产级申报数据。当前前沿研究方向包括利用这些细颗粒度历史序列数据构建违约预测模型与现金流动态模拟系统，以应对汽车贷款ABS中借款人信用风险演变与提前还款行为的不确定性。结合近年来美国汽车金融市场的利率波动与次级贷款逾期率攀升，该数据集为量化分析资产池质量、优化分层结构及压力测试提供了关键实证基础，对推动结构化金融产品的透明定价与监管科技发展具有显著意义。