DenyTranDFW/AmeriCredit_Automobile_Receivables_Trust_2023_1_1963240

该数据集包含美国证券交易委员会（SEC）ABS-EE资产级别备案数据，针对AmeriCredit Automobile Receivables Trust 2023-1（CIK 1963240）。数据涵盖了从2023年1月31日至2026年2月28日的报告期，包括38个备案文件，对应38个Parquet格式文件，总大小为122.1 MB。Parquet文件是从XML展品中提取的贷款级别或资产级别数据，按{accession_nodash}/{exhibit_name}.parquet路径组织。数据集主要用于资产支持证券（asset-backed securities）相关分析，提供了详细的备案索引，包括每个备案的CIK、表单类型、备案号、报告日期和URL链接。This dataset contains SEC ABS-EE asset-level filings for AmeriCredit Automobile Receivables Trust 2023-1 (CIK 1963240). It includes 38 filings corresponding to 38 Parquet files, with a total size of 122.1 MB, covering a reporting period from 2023-01-31 to 2026-02-28. The Parquet files are loan-level/asset-level data extracted from XML exhibits, organized as {accession_nodash}/{exhibit_name}.parquet. The dataset is intended for asset-backed securities analysis and provides a detailed filing index with CIK, form type, accession number, report date, and URL for each filing.

搜集汇总

数据集介绍

构建方式

在资产支持证券（ABS）领域，详尽且结构化的底层资产数据对于风险分析与市场透明度至关重要。AmeriCredit Automobile Receivables Trust 2023-1 数据集正是为此而生，其构建严格遵循美国证券交易委员会（SEC）的ABS-EE规则。该数据集系统性地收集了中央索引密钥（CIK）编号为1963240的信托实体在2023年1月至2026年2月报告期间内提交的全部38份ABS-EE表格。每一个数据点均源自这些官方申报文件中的XML展品，通过精确解析，将每一笔汽车贷款的资产层面信息提取并存储为Parquet格式文件。文件按SEC的准入编号（accession number）去除连字符后的字符串进行组织，内部以展品名称命名，确保了数据路径的清晰与可追溯性。报告期间的具体日期直接从XML中的'reportingPeriodEndingDate'字段提取，保证了时间维度的准确性。

特点

该数据集的核心特性在于其高度的结构化与完整性，为汽车贷款ABS的深度剖析提供了坚实基础。它涵盖了从信托设立之初到存续期结束的完整时间序列，共计38个报告时点，总数据量达122.1 MB。数据以高性能的Parquet列式存储格式呈现，这不仅优化了存储效率，也极大提升了大规模数据读取与分析的速度。每一份Parquet文件内包含的是逐笔贷款（loan-level）的详细信息，而非汇总数据，使得研究者能够进行最微观层面的信用风险建模、现金流预测以及提前偿付行为分析。数据集的索引表格详尽列出了每次申报的CIK、表格类型、准入编号、报告日期以及指向SEC官网的原始文档链接，极大地方便了用户进行数据溯源与交叉验证，确保了研究的严谨性与数据的权威性。

使用方法

使用该数据集进行学术研究或量化分析时，用户可通过主流的数据科学工具如Python中的Pandas库或Apache Spark直接读取Parquet文件。首先，根据研究需求，遍历'data'目录下以各准入编号命名的文件夹，加载对应的`.parquet`文件至DataFrame。由于数据结构反映了SEC申报的原始架构，建议先对单份文件进行模式（schema）探索，以了解字段含义。随后，可利用报告中提供的'filing_index'元数据，将不同时间点的贷款数据按共同的关键字段（如贷款编号）进行合并，构建出面板数据集。对于时间序列分析，应特别注意利用'reportingPeriodEndingDate'字段来标记每个观测值对应的时间点。若需验证数据准确性或获取更广泛的上下文信息，可便捷地通过索引表中的URL链接，直接访问SEC EDGAR系统上的原始XML文件，实现从数据处理到原始文档的闭环验证。

背景与挑战

背景概述

资产支持证券（ABS）作为固定收益市场的重要组成部分，其信息透明度与数据质量直接影响投资者的风险评估与监管效能。AmeriCredit Automobile Receivables Trust 2023-1 数据集诞生于2023年，由美国证券交易委员会（SEC）依据ABS-EE规则强制披露的资产层面数据构建而成，核心研究问题聚焦于汽车贷款支持证券的逐笔贷款表现与现金流结构。该数据集通过提取自XML展品的38个Parquet文件，覆盖2023年1月至2026年2月的月度报告周期，为学术界与业界提供了统一、结构化的高质量微观数据，推动了ABS定价模型、违约预测及结构化金融的实证研究，在资产证券化领域具有重要的基准价值。

当前挑战

该数据集所解决的领域问题在于，ABS市场长期面临信息不对称与标准化数据缺失的困境，传统聚合报告难以揭示底层资产异质性对证券表现的影响。具体挑战包括：1) 从非结构化的SEC XML展品中精准解析贷款层级字段，确保数据颗粒度与一致性；2) 跨38个文件、36个月份的时序数据整合中需处理缺失值与报告日期对齐问题；3) 构建过程中需克服不同期限下资产池构成变化带来的动态匹配难题，以支持稳健的信用风险建模。

常用场景

经典使用场景

在资产支持证券（ABS）的研究领域，AmeriCredit Automobile Receivables Trust 2023-1数据集以其详尽的贷款层面信息，成为构建和验证信用风险评估模型的基石。研究者常利用该数据集中的逐笔贷款数据，追踪从2023年1月至2026年2月期间汽车贷款池的逐月表现，包括还款、逾期、违约及提前清偿等关键指标。其经典用途在于模拟资产池的现金流动态，进而为ABS定价、信用评级以及风险敞口度量提供实证支持。通过分析该数据集，学者能够深入理解汽车贷款证券化产品的信用行为特征，并校准用于预测贷款组合违约概率与损失分布的结构化模型。

解决学术问题

该数据集直击资产证券化领域长期存在的微观数据匮乏这一核心痛点，为多个学术难题的攻克提供了关键支撑。首要解决的问题是，如何基于个体贷款的生命周期表现，精准评估复杂ABS结构中的分层信用风险。它使研究者得以超越传统聚合数据，深入剖析贷款特征（如初始贷款价值比、剩余期限）与违约行为之间的内在关联。此外，该数据集助力探究提前偿付假设对现金流稳定性的影响，以及宏观经济冲击如何经由借款人个体行为传导至证券化产品的信用质量，从而丰富了关于信息不对称与道德风险在结构化金融中作用的理论探讨。

衍生相关工作

围绕AmeriCredit 2023-1数据集，一系列衍生工作已相继展开。在模型层面，研究者开发了基于机器学习的贷款违约预测模型，利用该数据集中的时间序列特征与贷款属性，实现了对传统Logistic回归与生存分析模型的显著改进，揭示了高维非线性违约驱动因素。在公开数据集的基础上，衍生出了经过清洗、增强和标准化的评估基准，专用于比较不同现金流模型与信用风险度量算法的性能。更有工作将此数据集与宏观金融指标（如失业率、利率）进行匹配，构建了兼具微观与宏观视角的ABS风险全景分析框架，为系统性风险监测提供了新颖的数据基础设施。