限价订单簿数据作为金融市场中交易者交易行为最直接的刻画,详细地记录了资产的委托价格和数量等信息。随着计算机硬件的发展,金融数据的快速读写以及大量数据的存储成为了可能,同时交易所向投资者提供的订单簿数据的频率越来越高,这些高频数据描述了市场价格如何对供求变化作出反应,蕴含了交易者对于资产的价格预期。通过对限价订单簿的研究一方面可以更好地理解市场微观结构,如价格形成和市场流动性。另一方面可以帮助市场参与者发现最佳的交易策略和降低交易成本。本文基于高频数据的多资产量价关系研究将为订单簿事件因子的挖掘和价格影响机制的发现提供一定的思路。随着更多的研究表明除去资产自身订单簿信息外其他资产也会对目标资产的价格变动起到一定的解释能力,关于多种资产订单簿信息的价格影响得到了广泛关注。为了充分利用订单簿数据,本文尝试使用多种资产的订单簿量价信息,建立了多资产跨区间价格影响模型。针对大量信息的引入,考虑进行特征选择来筛选关键信息以增加模型效果同时降低模型复杂度。由于经典指标订单流不平衡（OFI）是一个具有较强价格解释能力的订单簿事件因子,所以将OFI作为每种资产的订单簿信息变量,以单个目标资产的价格变动为因变量,根据LASSO回归利用样本数据来选择重要资产。另外采用LASSO回归和lightGBM算法相结合的方式来确定每种资产的固定重要资产,在以后的模型实现中可以当作经验参数使用从而省略前期的特征选择,进而提高计算效率。循环神经网络提供了一种从时间序列中提取特征并捕获复杂依赖关系的方法,因此采用长短期记忆模型来挖掘特征选择后多资产的订单簿事件因子,最后利用多层感知机建立订单簿事件因子与单个目标资产不同价格变动区间的联系。本文以大连商品交易所期货的高频数据为研究对象,实证分析了多资产订单流不平衡对目标资产的价格解释能力和短期预测能力,并依据LASSO回归和lightGBM算法给出了对于目标期货价格变动具有重要影响力的固定期货品种。通过多资产跨区间价格影响模型在焦煤期货上进一步探讨,验证了在回归和分类情形下多资产跨区间价格影响模型相比跨区间价格影响模型可以更好地解释同期和预测部分超前区间的价格变动,说明了模型的有效性。