본 논문은 고빈도 거래(HFT) 전략의 한계점을 극복하기 위해 흐름 일치 정책(flow matching policy) 기반의 새로운 모방 학습 프레임워크인 FlowHFT를 제안합니다. 기존 HFT는 과거 데이터 기반 모델링에 의존하여 시장 상태의 변화에 취약하지만, FlowHFT는 다양한 시장 상황에 특화된 여러 전문가 모델로부터 전략을 동시에 학습하여 시장 상태에 따라 적응적으로 투자 결정을 조정합니다. 또한, 그리드 서치 미세 조정 메커니즘을 통해 복잡하거나 극단적인 시장 상황에서도 성능을 향상시킵니다. 실험 결과, FlowHFT는 다양한 시장 환경에서 각 시장 상황별 최고 전문가 모델보다 우수한 성능을 보였습니다.
