DenyTranDFW/AmeriCredit_Automobile_Receivables_Trust_2023_2_1987878

该数据集包含AmeriCredit Automobile Receivables Trust 2023-2的SEC ABS-EE资产级别备案文件，对应CIK 1987878。数据包括32个备案，以Parquet格式存储，总大小为121.7 MB。报告期从2023年7月31日开始，到2026年2月28日结束。Parquet文件是从XML展品提取的贷款级别/资产级别数据，按{accession_nodash}/{exhibit_name}.parquet路径组织。备案索引表提供了每个备案的详细信息，如CIK、表单类型、访问号、报告日期和URL。This dataset contains SEC ABS-EE asset-level filings for AmeriCredit Automobile Receivables Trust 2023-2, corresponding to CIK 1987878. It includes 32 filings stored in Parquet format, with a total size of 121.7 MB. The reporting period starts on 2023-07-31 and ends on 2026-02-28. The Parquet files are loan-level/asset-level data extracted from XML exhibits, organized as {accession_nodash}/{exhibit_name}.parquet. A filing index table provides details for each filing, such as CIK, form type, accession number, report date, and URL.

搜集汇总

数据集介绍

构建方式

AmeriCredit Automobile Receivables Trust 2023-2数据集源自美国证券交易委员会（SEC）的ABS-EE资产级备案文件，对应中央索引密钥（CIK）为1987878。该信托于2023年7月启动报告周期，直至2026年2月结束，期间共提交了32份ABS-EE表格。每份备案均包含从XML展品中提取的贷款级或资产级数据，并转换为Parquet格式文件存储。这些文件按访问编号与展品名称组织为`{accession_nodash}/{exhibit_name}.parquet`的目录结构，其中报告周期日期源自资产级XML中的`reportingPeriodEndingDate`字段，确保了时间序列数据的精准性与可溯源性。

使用方法

用户可通过Hugging Face数据集库直接加载该资源，利用Python的`datasets`库或直接下载Parquet文件至本地进行分析。解析时，建议按`accessionNumber`分组以获取单期资产池快照，或跨时间窗口合并以构建面板数据。借助Pandas等工具，可便捷地计算累计违约率、加权平均信用评分等关键指标。此外，数据中的`reportDate`字段便于进行事件研究或时间序列建模，而SEC官网的超链接则提供了回溯原始备案文件的通道，便于交叉验证与深度挖掘。

背景与挑战

背景概述

AmeriCredit Automobile Receivables Trust 2023-2 数据集是由 SEC ABS-EE 项目采集的资产支持证券（ABS）领域的标准化金融数据集，创建于2023年，主要围绕美国证券交易委员会（SEC）对资产支持证券的监管要求，由 AmeriCredit 及其相关机构提供和维护。该数据集聚焦于汽车贷款应收款证券化的微观层面，包含从2023年7月至2026年2月期间32份逐笔贷款级别的结构化数据，总规模达121.7 MB。在金融科技与监管科技日益融合的背景下，该数据集为研究资产池的信用风险、提前偿付行为及证券化产品的现金流动态提供了宝贵的高频资产级信息，推动了资产支持证券透明度与量化分析的发展，对风险管理、资产定价及监管合规领域产生了显著影响。

当前挑战

数据集面临的核心挑战在于，资产支持证券的复杂结构化特性使得传统统计模型难以精准刻画汽车贷款组合的违约与提前偿付行为，尤其是宏观经济波动下借款人信用风险的动态演变。构建过程中，需要从冗长的XML格式监管文件中提取并标准化32个报告期的资产级数据，处理不同时间段内字段一致性、缺失值及数据噪声问题，同时确保财务信息的可追溯性与SEC合规性，这对数据清洗和架构设计提出了严苛要求。此外，随着报告周期跨越3年，需应对各类会计政策变更对数据序列连续性的干扰，为后续机器学习模型（如时序预测与风险分层）的训练带来了不小的工程与数据科学挑战。

常用场景

经典使用场景

AmeriCredit Automobile Receivables Trust 2023-2数据集作为结构化金融产品领域的重要资源，其核心价值在于为资产支持证券（ABS）的微观结构分析提供了标准化的标尺。该数据集收录了从2023年7月至2026年2月期间共计32份SEC ABS-EE申报文件，每份文件均以Parquet格式存储了逐笔贷款级别的详细资产数据。研究者可借此深入剖析汽车贷款应收款池在存续期内的信用表现、现金流分布及违约行为模式，从而构建精准的信用风险模型与资产定价框架。

解决学术问题

在学术研究层面，该数据集有效破解了长期以来因资产层面数据匮乏而导致的证券化市场研究所遇瓶颈。它使得学者能够量化分析贷款池的异质性特征，评估借款人信用资质与抵押品价值波动对证券偿付结构的影响，从而验证或拓展经典的信息不对称理论、道德风险假说及逆向选择模型。这些研究不仅深化了对ABS风险传导机制的理解，更为监管机构优化信息披露标准提供了实证依据，推动了金融风险计量方法论的革新。

实际应用

实际应用中，该数据集成为金融机构、评级机构及资产管理公司进行投资决策与风险管理的利器。信贷分析师可基于逐笔贷款数据动态监控汽车ABS组合的信用质量演变，预判提前偿付与损失分布趋势，进而优化证券化交易结构设计。风险管理人员则能利用历史违约数据训练机器学习模型，实时评估存量资产的预期损失率，为资本计提与压力测试提供高分辨率的数据支撑，最终提升金融系统的整体稳健性。

数据集最近研究

最新研究方向

在资产证券化（ABS）领域，基于SEC ABS-EE强制披露细则的细粒度资产级数据研究正成为前沿热点。AmeriCredit Automobile Receivables Trust 2023-2数据集收录了从2023年7月至2026年2月期间32份月度申报文件，涵盖逾121.7 MB的逐笔贷款级Parquet格式数据，为学者与从业者提供了罕有的、来自美国证监会EDGAR系统的高频结构化样本。该数据集的问世使得研究者得以构建更精准的汽车贷款违约预测模型，并深入剖析资产池的异质性风险传导机制。结合当前美国利率高企与消费者信贷压力上升的宏观背景，这一颗粒度数据有力地支撑了对次级汽车ABS现金流稳定性与信用评级敏感度的动态模拟，为监管科技与量化风险管理领域注入了新的实证动力。