DenyTranDFW/Carvana_Auto_Receivables_Trust_2021_P3_1843627

该数据集包含Carvana Auto Receivables Trust 2021-P3的SEC ABS-EE资产级别备案文件，涉及CIK 1843627。数据集包含56份备案文件，90个Parquet文件，总大小为163.6 MB。报告期从2021年8月31日至2026年3月31日。Parquet文件是从XML展品中提取的贷款级别/资产级别数据，按{accession_nodash}/{exhibit_name}.parquet格式组织。备案索引列出了所有备案的CIK、表格类型、登记号、报告日期和URL。SEC ABS-EE asset-level filings for CIK 1843627 (Carvana Auto Receivables Trust 2021-P3). The dataset includes 56 filings, 90 Parquet files, and has a total size of 163.6 MB. The reporting period spans from 2021-08-31 to 2026-03-31. Parquet files are loan-level / asset-level data extracted from XML exhibits, organised as {accession_nodash}/{exhibit_name}.parquet. The filing index lists all the filings with their respective CIK, form type, accession number, report date, and URL.

搜集汇总

数据集介绍

构建方式

该数据集聚焦于资产支持证券领域，围绕Carvana Auto Receivables Trust 2021-P3这一特定证券化产品，系统性地采集了其向美国证券交易委员会（SEC）提交的ABS-EE资产层级申报文件。构建过程中，从XML展品中精确提取了贷款/资产级别的细粒度数据，并将其转化为Parquet格式文件。数据按申报编号（accession number）与展品名称进行组织，形成层级分明的存储结构，同时利用申报文件中的报告期末日期（reportingPeriodEndingDate）作为时间维度的关键标识，覆盖了从2021年8月至2026年3月的完整报告周期。

特点

该数据集的核心特点在于其高度的结构化与时效性。包含56份申报文件，共计90个Parquet文件，总容量达163.6 MB，为研究汽车贷款资产支持证券的现金流表现与信用风险提供了丰富素材。每个Parquet文件对应于特定申报期内的资产层级明细，能够精确反映贷款池的逐月动态变化。数据来源均为SEC官方披露渠道，确保了信息的权威性与合规性，且时间跨度长达近五年，为纵向分析资产池的长期表现奠定了坚实基础。

使用方法

使用者可通过SEC提供的唯一中央索引键（CIK）编号1843627，结合申报文件索引中的访问号与报告日期，便捷地定位并解析特定月份的资产层级数据。推荐采用Python的pandas库或Apache Spark等大数据处理工具直接读取Parquet文件，从而高效地进行数据清洗、特征工程与统计分析。如需还原完整的资产支持证券结构，可参照SEC官方的ABS-EE XML schema定义，将各申报期的数据按关键字段（如贷款余额、利率、逾期状态等）进行关联与汇总，支撑信用评级建模与投资组合风险评估等高级应用。

背景与挑战

背景概述

资产支持证券（ABS）作为结构化金融产品的重要分支，其透明度和标准化披露对于市场定价与风险管控至关重要。Carvana Auto Receivables Trust 2021-P3数据集由美国证券交易委员会（SEC）依据ABS-EE规则强制要求发行，旨在通过细颗粒度的贷款级资产数据揭示汽车贷款证券化产品的底层信用表现。该数据集由Carvana公司作为发起机构于2021年8月创建，横跨近五年的报告周期（2021年至2026年），涵盖56份备案文件和90个Parquet格式文件，总数据规模达163.6 MB。核心研究问题聚焦于汽车零售贷款的违约率、提前偿付行为及现金流时序波动，为量化投资建模与监管合规分析提供了标准化基准。其影响力体现在填补了结构化金融中高频资产级时序数据的空白，推动了机器学习在信用风险评估与ABS定价领域的应用实践。

当前挑战

该数据集所解决的领域问题核心在于汽车ABS市场中贷款级动态数据的碎片化与不透明性，传统评级模型多依赖静态聚合指标，难以捕捉个体贷款的边际信用迁移与宏观冲击响应。构建过程中面临多重挑战：首先，XML格式的原始披露文件嵌套复杂，需设计鲁棒的解析算法提取标准化字段；其次，跨56个月份的同质化数据结构要求高度一致的字段映射，以避免时序断裂；再者，极端数据规模下（90个Parquet文件）的存储与检索优化，以及缺失的贷款到期前终止记录可能引入生存偏差，均对数据清洗与补全策略提出严苛要求。此外，资产池中二手车价值波动与区域经济异质性在逐笔贷款层面需显式编码，以平衡模型泛化性与解释力。

常用场景

经典使用场景

在资产支持证券（ABS）研究领域，该数据集作为SEC ABS-EE监管框架下的逐笔贷款级披露数据，为学者和从业者提供了极为宝贵的结构化信息。经典的使用场景聚焦于分析汽车贷款资产池的信用表现，包括违约率、回收率、提前偿还率等核心指标的时序演变，以及评估抵押品价值波动对证券化产品风险特征的影响。研究者能够借此深入洞察Carvana这一特定发起机构在2021年至2026年期间的资产质量与交易结构，为构建资产池的静态池分析和动态损失模型奠定了坚实的数据基础。

衍生相关工作

该数据集衍生出了一系列重要的量化研究和方法论创新。最为经典的后续工作包括基于机器学习的违约预测模型构建，通过对借款人特征、贷款条款及宏观经济指标进行联合建模，提升了风险识别的预处理能力。同时，部分研究聚焦于利用该数据校准结构化模型中的回收率参数，以及开发针对提前偿付行为的期权调整利差模型。此外，该数据集常被用作基准来检验不同发起机构的资产池异质性，为比较分析和合并研究提供了参照标尺，助力形成了关于汽车ABS市场信用分布的系统性知识积累。

数据集最近研究

最新研究方向

在资产支持证券（ABS）领域，Carvana Auto Receivables Trust 2021-P3数据集为汽车贷款证券化市场的精细化解构提供了前所未有的数据基础。该数据集涵盖2021年至2026年间56份SEC ABS-EE合规申报，包含90个Parquet文件，总计163.6 MB的贷款级资产数据，填补了传统结构化金融研究中单笔贷款表现追踪的鸿沟。当前研究前沿聚焦于利用该数据集的时序粒度，结合机器学习模型预测Carvana二手车贷款违约风险与提前偿付行为，尤其在美联储加息周期与二手车价格波动加剧的背景下，该数据集成为评估次贷级汽车ABS信用迁移路径的关键工具。其影响在于推动资产级数据标准化，为监管科技（RegTech）实现实时风险预警提供验证平台，并引发关于非银行汽车金融公司（如Carvana）在杠杆循环中脆弱性的学术讨论，从而重塑ABS定价模型中的风险溢价逻辑。