DenyTranDFW/Benchmark_2021_B29_Mortgage_Trust_1880187

该数据集包含SEC ABS-EE资产级别文件，涉及CIK 1880187（Benchmark 2021-B29 Mortgage Trust）。数据集包括35份文件，75个Parquet文件，总大小为27.6 MB，报告期为2021年9月13日至2024年6月11日。Parquet文件是从XML展品中提取的贷款级别/资产级别数据，按照{accession_nodash}/{exhibit_name}.parquet格式组织。报告期日期来源于资产级别XML（reportingPeriodEndingDate）。SEC ABS-EE asset-level filings for CIK 1880187 (Benchmark 2021-B29 Mortgage Trust). The dataset includes 35 filings, 75 parquet files, with a total size of 27.6 MB, and a reporting period from 2021-09-13 to 2024-06-11. Parquet files are loan-level / asset-level data extracted from XML exhibits, organised as {accession_nodash}/{exhibit_name}.parquet. Reporting-period dates are derived from the asset-level XML (reportingPeriodEndingDate).

搜集汇总

数据集介绍

构建方式

该数据集聚焦于证券化市场中的资产支持证券（ABS）领域，具体针对Benchmark 2021-B29 Mortgage Trust这一特殊目的载体，系统性地收集了其向美国证券交易委员会（SEC）提交的ABS-EE表格资产层面申报文件。数据集构建的核心在于从XML格式的展品中提取贷款级或资产级数据，并将其转化为结构化的Parquet文件，共计75个，总容量达27.6 MB。文件的组织方式遵循'{accession_nodash}/{exhibit_name}.parquet'的命名规则，其中申报期间信息源自资产级XML中的'reportingPeriodEndingDate'字段，确保了数据的时间戳与原始申报一一对应。此外，通过整理包含35条记录的文件索引，数据集将每次申报的中央索引键（CIK）、表格类型、提交日期及SEC官方网站链接等元数据进行了系统化汇编，为研究者提供了便捷的追溯途径。

特点

该数据集的核心特色在于其高度的结构化与标准化程度。首先，数据以Parquet这一列式存储格式呈现，相较于传统的CSV或XML文件，Parquet在压缩效率和查询性能上具有明显优势，尤其适合处理大规模金融数据。其次，数据集覆盖了从2021年9月13日至2024年6月11日的完整申报周期，共包含35份ABS-EE表格，时间跨度近三年，为纵向分析抵押贷款信托的资产表现提供了充足样本。此外，数据集中每份文件均关联至SEC EDGAR系统的原始提交页面，确保了数据来源的可追溯性与权威性。这种从原始监管申报到可分析数据集的端到端转换，使得研究者能够直接深入资产层面的细节，无需手动解析复杂的XML结构。

使用方法

使用该数据集时，用户可直接通过Python的Pandas库或DuckDB等支持Parquet格式的数据分析工具进行高效加载与处理。例如，通过'pd.read_parquet()'函数即可读取任意一个资产级Parquet文件，进而对贷款层面的各项指标进行统计分析。数据集的文件索引提供了每次申报的详细信息，用户可根据特定的申报编号或报告日期筛选所需的子集，从而聚焦于特定时间窗口或事件驱动的分析。此外，由于数据集保留了SEC原始链接，研究者可在需要时交叉验证数据准确性或获取更完整的申报上下文。对于研究资产支持证券违约率、提前偿付行为或抵押贷款资产池动态变化的学者而言，该数据集提供了一个开箱即用的、经过清洗的结构化数据源。

背景与挑战

背景概述

在资产支持证券（ABS）领域，透明、标准化的底层资产数据对于风险定价与市场监管至关重要。Benchmark 2021-B29 Mortgage Trust数据集由SEC ABS-EE项目生成，聚焦于中央索引键（CIK）1880187对应的抵押贷款信托，覆盖自2021年9月至2024年6月的35份申报文件与75个Parquet文件，总规模27.6 MB。该数据集的核心研究问题在于将非结构化的XML附录转化为结构化的贷款级数据，以支持对抵押贷款池表现的深度分析。作为美国证券交易委员会推动ABS信息披露电子化的重要成果，该数据集为金融监管、评级机构及学术研究提供了高保真的资产级信息，极大地提升了次级抵押贷款市场的透明度与可计算性。

当前挑战

该数据集所解决的领域问题在于克服ABS市场中底层贷款数据分散、格式异构且难以机器解析的长期挑战，通过标准化Parquet格式实现资产级信息的可复现分析。构建过程中的困难主要体现在两方面：一是原始SEC EDGAR系统中ABS-EE申报附件的XML结构复杂且版本不一，需设计健壮的解析逻辑以准确提取每个贷款层面的字段（如报告周期结束日期）；二是跨时间序列的数据一致性维护，须确保35份申报文件间无信息冲突或遗漏，例如通过统一的accession编号和exhibit名称进行文件组织，从而保障数据集在金融建模与压力测试中的可靠性。

常用场景

经典使用场景

Benchmark 2021-B29 Mortgage Trust数据集汇聚了美国证券交易委员会（SEC）依据ABS-EE规则强制披露的资产支持证券（ABS）底层资产级数据。其核心用途在于为金融科技与结构化金融研究提供标准化的贷款层面信息，涵盖从2021年9月至2024年6月期间的35份申报文件及75个Parquet格式数据表。研究者可借助这些精细的逐笔贷款数据，深入剖析抵押贷款支持证券（MBS）的现金流表现、提前偿付风险与信用违约动态，从而构建更为精准的资产定价模型与风险预警机制。

实际应用

在实际金融业务场景中，该数据集为资产支持证券的估值、评级与风险管理注入了精细化动力。投资机构可基于逐笔贷款的还款记录与信用特征，动态调整MBS持仓的风险敞口，优化投资组合的收益-风险配比。评级公司能够依托详实的底层数据，开展更审慎的现金流压力测试与信用增级分析。此外，监管机构可利用这类标准化数据集，监测系统性风险在住房抵押贷款链条中的累积与传导，进而设计更具前瞻性的宏观审慎政策工具。

衍生相关工作

以Benchmark 2021-B29 Mortgage Trust为代表的SEC ABS-EE数据体系，催生了一系列前沿学术与工业实践成果。在模型开发层面，研究者利用该数据训练了可解释的机器学习模型，以预测个人抵押贷款的违约概率与提前偿还时间，显著提升了传统统计模型的效度。在证券市场微观结构领域，有工作基于这些贷款级数据检验了信息披露频率对ABS二级市场流动性的影响。此外，该数据集还支撑了关于抵押贷款服务商行为偏差的实证分析，揭示出服务商催收策略对资产池整体信用表现的非对称效应。