Darkpool Edge | Nippofin

See it in action: launch Darkpool Edge →

Japan has no shortage of dark pools. (大塚剛志, 2017; Wakamatsu, 2026)

Yet launching a viable dark pool has risks and perils. Every new PTS operator faces the same problem before launch: no empirical data, no participant history, and a fee decision that determines whether the pool reaches self-sustaining liquidity or fades away quietly at single-digit market share.

SBI Japannext and Goldman Sachs SIGMA X demonstrated that institutional order flow will migrate off-exchange, but only if the fee is right and the adverse selection risk is manageable.

Darkpool Edge (Homayounfar, 2026) is a quantitative decision tool for PTS operators, exchange strategists, and institutional brokers designing or evaluating a dark pool in the Japanese equity market. Enter a proposed fee \(f_D\). The model returns the revenue-optimal fee \(f^*\), projected annual execution fee income \(R^*\), and a Go/No-Go verdict — all calibrated to Japan equity market parameters.

What the model returns

Revenue-optimal fee \(f^*\)

The fee that maximizes annual execution fee income, derived from the inverse elasticity condition: the point where margin gained from a fee increase exactly equals order flow lost.

Formally,

\[f^* = \arg\max_{f_D} R(f_D)\]

where

\[R(f_D) = f_D \cdot V_{\text{total}} \cdot \phi(f_D) \cdot T\]

This must be solved numerically as no closed form exists.

Migration fraction \(\phi\)

The share of institutional order flow that routes to the dark pool at a given fee, modeled as a logistic function of the cost advantage \(\Delta = s + \lambda\bar{q} + f_L - f_D\). Calibrated to TSE mid-cap spread and Kyle \(\lambda\) estimates from JSDA 2023–24 data.

Annual revenue projection \(R^*\)

Projected annual execution fee income per listed security at equilibrium migration over \(T = 245\) Japan trading days. Scales linearly across listings: a venue with \(N\) comparable securities implies aggregate revenue of approximately \(N \times R^*\).

Go / No-Go verdict

A two-condition decision panel.

Condition 1: cost advantage \(\Delta > 0\) — the dark pool must be cheaper than the lit venue for the marginal trader.
Condition 2: fee proximity to \(f^*\) — fees outside \([0.6 \cdot f^*, 1.4 \cdot f^*]\) produce a No-Go. An adverse selection advisory flags that \(\kappa_c\) cannot be computed without trade-level data and recommends a PIN-model calibration before launch.

Who it is for

PTS operators and exchange strategists setting launch fees
Institutional brokers evaluating venue economics before committing order flow
Risk and compliance teams stress-testing dark pool fee scenarios
Quant researchers modeling Japan equity market microstructure
Pre-sales demonstrations for FSA-regulated venue design engagements

Try it

Darkpool Edge runs entirely in the browser. No installation required.

Launch Darkpool Edge →

Enterprise version

The analyzer uses Japan equity market baseline parameters drawn from TSE Level 2 data, JSDA quarterly statistics, and SBI Japannext operational data. An enterprise version recalibrates the model to a client’s proprietary order flow data — participant composition records, actual execution history, and desk-specific fee scenarios — and delivers a private deployment with a three-type trader population (retail, asset manager, proprietary trading firm) and an agent-based simulation layer modeling individual routing decisions and liquidity feedback effects.

To discuss an enterprise deployment → contact us

Darkpool Edge is part of Nippofin Models — domain-specific, executable applications of Nippofin’s quantitative finance solutions, built for institutional markets.

Nippofin is the fintech business unit of Nippotica Corporation, Tokyo.

References

2026

JPX

The Impact of Dark Pools on the Market and Market Quality

Hiroaki Wakamatsu

2026

Abs HTML

This paper analyzes dark pool trading in Japan using data from August 2020 to November 2024, covering the period after dark pool flags were introduced on the Tokyo Stock Exchange. It examines the impact of dark pool trading on market quality and the determinants of execution prices and price improvement rates within dark pools. Key findings: the dark pool ratio declines under high volatility; dark pool trading suppresses volatility under normal conditions but amplifies it under high volatility; execution prices in dark pools are influenced by TSE order book conditions and micro-prices; proprietary executions in dark pools tend to have relatively poor price improvement rates.
SSRN

Why Dark Pools Fail: A Dynamic Model of Liquidity, Adverse Selection, and Fee Design in Japan’s PTS Ecosystem

Kambiz Homayounfar

Apr 2026

Abs HTML

Dark pools frequently fail soon after launch, while a small number achieve durable liquidity. This paper develops a dynamic model of dark pool economics calibrated to the Japanese equity market. The model combines a heterogeneous trader population, a logistic replicator migration dynamic, adverse selection feedback, and revenue-optimal fee design within a single tractable framework applied to proprietary trading system (PTS) launch. Numerical calibration to Japan equity market parameters yields an optimal fee of approximately 0.91 yen/share and annual revenue of approximately 52 million yen at 23.5% flow migration.

2017

JPX

日本におけるダーク・プールの実態分析

大塚剛志

Apr 2017

Abs HTML

近年、世界の証券市場において、ダーク・プールと呼ばれる取引市場が存在感を増しており、その規制の在り方等に関する議論が進展している。日本においても、そのシェアは年々上昇しており、既に PTS を凌ぐ規模まで拡大している状況にある。また、 2016 年 5 月～2016 年 12 月にかけて開催された、金融審議会市場ワーキング・グループにおいても議論の一端として取り上げられるなど、注目を集めているところである。しかしながら、これまで、日本におけるダーク・プールの分析・検証が十分に行われてきたかと言えば、必ずしもそうではない。そこで、本稿では、長期的且つ広範囲に亘るデータ分析を通じて、日本におけるダーク・プールの現状把握を行うとともに、将来的な検討に資するような情報を市場関係者に提供することを目的とする。具体的には、基礎的情報としてのダーク・プールの数やマーケット・シェア、1 取引当たりの売買高、ダーク・プール運営者による自己取引の関与率、ダーク・プールが参照する価格の種別（ask、bid 又は mid）、約定時刻における最良気配との関係性（inside、at 又は outside）、主たる市場の最良気配の変化を適切にトラックできていない取引（遅延取引）の状況等について、その時系列的な推移やダーク・プール別の状況について確認している。ダーク・プール全体の傾向としては、概ね、市場関係者が有する感覚と一致する結果を得られたものの、個別のダーク・プールで見た場合、それぞれ、かなり異なった特徴を有していることが判明した。また、遅延取引がもたらす影響に着目し、遅延取引の程度（レイテンシー）や遅延取引によってもたらされる追加的なコスト（レイテンシー・コスト）、レイテンシー・コストによって削減される価格改善、レイテンシー・コストの帰属主体（ダーク・プール内における勝者と敗者）といった点についても分析・検証している。特に、2016 年において、レイテンシー・コストは年間 36 億円となっており、ダーク・プールの取引においては、この分だけ、敗者から勝者に利益が転嫁していることが確認できた。但し、レイテンシー・コストの規模は、東証市場全体の売買代金と比べると僅少であり、経済的な意味で重要なインパクトをもたらしているとまでは言えない。