DenyTranDFW/Honda_Auto_Receivables_2021_2_Owner_Trust_1857290

该数据集涉及美国证券交易委员会（SEC）ABS-EE资产级别文件，针对Honda Auto Receivables 2021-2 Owner Trust（CIK 1857290）。数据集包含40份文件、72个Parquet文件，总大小为185.0 MB，报告期为2021年4月30日至2024年11月30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。报告期日期来源于资产级别XML（reportingPeriodEndingDate）。SEC ABS-EE asset-level filings for CIK 1857290 (Honda Auto Receivables 2021-2 Owner Trust). The dataset includes 40 filings, 72 parquet files, with a total size of 185.0 MB, covering the reporting period from 2021-04-30 to 2024-11-30. 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

该数据集源自美国证券交易委员会（SEC）的ABS-EE（资产支持证券电子化申报）系统，聚焦于Honda Auto Receivables 2021-2 Owner Trust（CIK编号1857290）的资产层级披露文件。通过系统化收集自2021年4月30日至2024年11月30日期间的40份监管申报文件，从中提取XML展品中的逐笔贷款/资产层级数据，并将其转换为72个Parquet文件。每个文件以存取号（无连字符）与展品名称的层级结构进行组织，同时基于XML中标注的报告期结束日期，为每份数据赋予明确的时间维度，从而构建起一个横跨三年多的结构化资产池数据库。

特点

该数据集最显著的特征在于其高度结构化的资产层级粒度与时间序列完整性。包含185.0 MB的Parquet格式数据，不仅覆盖了从基础资产发放到信托存续期结束的完整生命周期，还以月度频率提供了连续40个报告时点的资产表现快照。每个Parquet文件均保留原始XML中的贷款级明细字段，为分析资产池的信用质量、现金流分布及违约模式提供了精细化的数据基础。此外，每份申报文件均可通过SEC EDGAR系统直接溯源，确保了数据的监管合规性与可验证性。

使用方法

用户可通过Python的Pandas库便捷加载Parquet文件，利用分级目录结构快速定位特定申报期间或特定展品的数据。建议以accessionNumber为索引，按reportDate进行时间序列分析，或通过合并多个Parquet文件构建面板数据，以追踪单笔贷款在整个存续期内的偿付状态变化。对于需要标准化字段的研究，可参考SEC ABS-EE XML标签定义，将资产属性映射至统一分析框架。该数据集特别适用于资产支持证券的信用风险建模、提前偿付率预测及证券化产品定价等量化金融研究场景。

背景与挑战

背景概述

在资产支持证券（ABS）领域，透明化与标准化是提升市场信任与监管效率的关键。Honda Auto Receivables 2021-2 Owner Trust数据集应运而生，聚焦于本田汽车金融业务的资产层面信息披露。该数据集由SEC ABS-EE项目收集，自2021年4月至2024年11月，记录了CIK 1857290（即Honda Auto Receivables 2021-2 Owner Trust）的40份ABS-EE申报文件，数据以Parquet格式存储，总规模达185.0 MB，覆盖近四年的贷款级或资产级详细数据。核心研究问题在于解析汽车贷款ABS的资产池表现、现金流模式及违约风险，为投资者和监管者提供细粒度的结构化分析基础，对推动ABS市场的数据驱动研究具有开创性意义。

当前挑战

该数据集面临的核心领域挑战在于汽车贷款ABS产品的复杂性：资产池中每一笔贷款的信用质量、提前偿还行为与回收率均波动剧烈，传统评级模型难以捕捉个体差异，需借助细粒度数据构建更精确的违约预测与现金流模型。构建过程中，挑战在于从SEC的XML附加文件中高效提取并标准化40份递增式披露的资产层面数据，克服不同申报期格式的非一致性与时间戳对齐难题，同时确保数据在185 MB的Parquet文件中保持完整性与可追溯性，以支持纵向分析与跨期比较。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，Honda_Auto_Receivables_2021_2_Owner_Trust数据集为剖析汽车贷款支持证券的微观结构提供了宝贵窗口。通过其逐笔贷款级别的Parquet文件，研究者可深入追踪本田汽车应收款信托在2021年4月至2024年11月期间每个报告月的资产表现。典型应用包括构建贷款池的违约概率模型、提前偿还率分析以及现金流模拟。该数据集的细粒度特征，如每笔贷款的剩余本金、利率和地理分布，使得对资产池信用质量的动态评估成为可能。

衍生相关工作

基于此数据集，衍生出多类经典研究工作。例如，有学者利用其贷款级数据开发了基于机器学习的提前还款预测模型，显著提升了传统生存分析方法的预测精度。另一些工作则聚焦于构建ABS定价因子，池中贷款的利率、期限和地区分布被提炼为系统性风险因子，用于解释信用利差的截面差异。此外，关于证券化数据标准化与可比性的研究，也常以此数据集为案例，探讨自动化XML披露与数据治理的实践意义。

数据集最近研究

最新研究方向

在资产支持证券（ABS）领域，Honda Auto Receivables 2021-2 Owner Trust 数据集为金融科技与监管合规研究提供了前所未有的微观视角。基于SEC ABS-EE强制披露的逐笔贷款级资产数据，该数据集覆盖2021年至2024年间长达43个月的完整报告周期，内含72个Parquet文件与185MB的明细记录，使研究者能够深入剖析汽车贷款证券化产品的资产池表现、逾期动态与现金流结构。当前，随着美国证券交易委员会（SEC）对结构化产品透明度要求的持续强化，以及2023年以来汽车贷款违约率在加息周期下的攀升趋势，该数据集成为评估贷款发放入池标准、信用分层模型有效性及宏观利率冲击下资产池韧性等前沿课题的关键实证基础。其精细程度更推动了机器学习在违约预测与压力测试中的量化应用，对于理解后疫情时代消费信贷风险传导机制具有里程碑式的意义。