اجرای معامله
پس از تولید سیگنال معامله یک سیستم معاملات الگوریتمیک باید تصمیم های زیادی با توجه به محدودیت های موجود روی هزینه های معاملاتی و مدت زمان معاملات بگیرد. برای اجرای یک معامله با انتخاب فاکتورهای متفاوت از جمله حجم سفارش، مکانیسم معاملات و درجه ناشناس بودن معامله گر سفارش در محیط سفارش گذاری ثبت می شود. اگر حجم معامله برای اجرا در یک سفارش بزرگ باشد سیستم باید یا آن را به تعدادی سفارشات کوچکتر - که با فاصله زمانی در بازار وارد می شوند تا اثر بازار (Market Impact) را کاهش دهد - تبدیل کند یا آن را در بازارهای متفاوتی مانند شبکه معاملاتی غیر شفاف Black Pools وارد کند که مشخصات سفارشات فعلی را آشکار نمی سازند. سیستم باید همچنین تعیین کند که سفارش گذاری باید بر اساس قیمت باشد یا سفارش محدود. در نتیجه انتخاب یک روش اجرای استراتژی معامله، امری از پیش تعیین شده نیست بلکه به تصمیم گیری های متفاوت که می تواند به خودی خود یک چالش باشد نیاز دارد.

تولید سیگنال های معاملاتی

 تفاوت بین تحلیل های پیش از معامله و سیگنال های معاملاتی غالباً خیلی شفاف نیست چرا که عموماً اشتراکات زیادی در شکل فعالیت آنهاست. اما اختلاف تعیین کننده بین آنها این است که سیگنال معاملاتی واقعی ایجاد شده توسط الگوریتم با قیمت مشخص (در برخی موارد با حجم مشخص) خواهد بود و ممکن است حتی پیشنهاداتی برای مدیریت ریسک داشته باشد. تحلیل های پیش از معامله تنها پیشنهاد خرید یا فروش میکنند که عامداً مبهم نیز هستند (در زمینه قیمت و غیره) در حالی که تولید سیگنال معاملاتی الگوریتمی با ارزش های معین افزوده ایی همراه است که می تواند تمام مشخصات یک معامله واقعی را دارا باشد. به عبارت پیشنهاد ارائه شده توسط تحلیل های پیش از معامله موجودیتی محدود از پروسه تصمیم گیری احتمالا پیچیده ایی است که به آن استراتژی معاملاتی گفته می شود. در طرف دیگر، یک سیگنال معاملاتی الگوریتمی می تواند مستقیماً قابل ترجمه به یک استراتژی معاملاتی باشد و مهم تر از همه می تواند در زمینه ایی از اطلاعات تاریخی بازار قابل تکرار چندین بار تا فعالیت آن را شبیه سازی کند. ارزش مندی یک سیگنال معاملاتی با همین توانایی شبیه سازی آن تعیین می شود، که در آن شبیه ساز سیگنال معاملاتی باید در محیطی پیچیده قادر باشد تا محیط های متفاوت معاملاتی را به درستی آنالیز کند. مانند چند دقیقه نوسانات بالا پس از افشای یک اطلاعات اقتصادی مهم یا بازار ساکت و غیرسیال در زمان ساعات معاملاتی آسیا.

تحلیل های پیش از معامله

 تحلیل های پیش از معامله در یک سیستم الگوریتمیک تریدینگ معمولاً تحلیل داده های مالی یا اخباری را با جهت گیری به سوی پیش بینی تغییرات آتی قیمت یا نوسانات آن شامل میشود و زمانی که یک موقعیت معامله اتفاق می افتد سیگنال های معاملاتی را ایجاد میکند. عموماً از تحلیل های فاندامنتال، تکنیکال و مقداری (Quantitative) برای پیش بینی رفتار یک دارایی استفاده می شود.

پیشرفت در ارتباطات و تکنولوژی های کامپیوتر در دهه ها گذشته بازارهای مالی پیچیده تری را ایجاد کرده است که خود به تبع نرم افزارهای کامپیوتری و سیستمی با عنوان الگوریتمیک تریدینگ  (با AT و algo یا جعبه سیاه نیز شناخته می شود) را به کار گرفته اند تا یک یا چند مرحله از پروسه خرید و فروش را خودکار کنند. این سیستم ها در زمینه هایی مانند نظارت بر آنومالی های سیال در قیمت های بازار ، ایجاد سود از الگوهای ثابت درون یا بین بازارهای مالی، سفارش گذاری به صورت بهینه، تغییر چهره دادن به درخواست بازارگردان یا شناسایی و بهره برداری از استراتژی های رقبا فعالیت می کنند. در نهایت هر سیستم الگوریتمیک تریدینگ را کسب سود هدایت می کند چه در شکل صرفه جویی در هزینه ها باشد و چه کمیسیون مشتری یا معاملات شخصی.

تکنولوژی SaaS در آخرین دهه هزاره دوم متولد شد اما مانند بسیاری دیگر از تکنولوژی هایی که در زمان شکل گیری و گسترش حبابی اینترنت به وجود آمدند دچار پیچیدگی در معنا و کارکرد شد و شناخت آن تا ایام کنونی در دنیای نرم افزار به تاخیر افتاد. امروزه SaaS یکی از شیوه های بسیار مورد استقبال دسترسی به نرم افزار در سرتاسر عرصه اینترنت است.