MACD 最佳參數不存在一個脫離標的、週期、成本與目標的通用答案。12／26／9 是常用起點，8／17／9 可能反應較快，但「比較快」不等於「成本後比較好」。要研究參數，應先決定想改善什麼，再用未參與選擇的資料檢查。
本文提供三組參數的試驗規格，不列任何歷史收益排名。所有期間與成本數字都是研究設計，尚未執行資料回測；保留欄位空白，比用看似精確的假績效更有價值。
優化想解決什麼？先選主要指標，再准許改參數
你可能想降低訊號延遲、減少交易頻率、控制回撤，或改善成本後報酬。這些目標可能互相衝突。若用報酬挑選，看到回撤不好又臨時改用勝率排名，就等於看過結果才更換考試題目。
先固定基礎規則，例如做多／現金、收市金叉與死叉、下一根執行、相同資金配置。每組皆以 DIF＝快 EMA−慢 EMA、DEA＝訊號期 EMA（DIF），柱體＝DIF−DEA，未乘 2。初值採首筆價格，暖機資料長度一致且足夠檢查穩定性。
本例只測 12／26／9、8／17／9、19／39／9 三組，分別標作基準、較短窗口、較長窗口；不預先稱其中一組勝出。期間代表 K 線根數，若改日線為五分鐘線，已是另一個實驗，需要重新設定時段及成本。
訓練、驗證、樣本外：沿時間向前，不隨機洗牌
一個示意切法是 2010–2018 作開發、2019–2021 作驗證、2022–2025 作最後保留評估。這只是規格例，不表示我們已測試這些年份。重要的是先鎖定用途；若你早已看過後段結果並據此改規則，就不能再稱該段為未見資料。
時間資料不適合直接隨機分成訓練與測試，令未來資訊回到過去。scikit-learn 的 TimeSeriesSplit 官方說明亦以時間先後安排訓練與測試，並提供間隔設定。這是工具對時間切割的文件，不是任何 MACD 獲利證據。
若結果標籤使用未來二十根報酬，分界前最後二十根的標籤可能伸入下一段，需排除或另作隔離。另一方面，計算測試期 EMA 時使用之前已發生的價格，是合理的歷史資訊；不必為了分段把指標每天重新設種子。要分清初始化與未來結果外洩。
什麼叫穩健？不要只找一個尖峰
若只有單一參數在一小段期間特別好，相鄰設定稍變便明顯不同，應懷疑是否恰巧配合了該段資料。穩健性可檢查相近窗口、不同子期間、成本增加與執行延後；但不能把每次檢查中最好的選項又拼成一套策略。
例如固定預設組後，分別把每股往返摩擦設為 0.02、0.05、0.08 美元，或把模擬執行延後一根，觀察結果是否極敏感。這些只是壓力測試輸入；沒有執行前，不應在表格填「穩定獲利」或任何回撤數字。
不同股價下固定美元成本的負擔不同，也可採比例成本研究，但須所有組別用同一口徑。對低周轉策略與高周轉策略，零成本比較尤其可能隱藏重要差異。
如何如實呈現？試過幾組也屬於結果的一部分
保留完整試驗清單，包括沒有勝出的參數、期間與過濾設定。三種快線、三種慢線、三種訊號期，已是 3×3×3＝27 組，不是「只微調一下」。若再換五個標的與四種退出方式，就增加更多選擇機會；最後挑到一條漂亮曲線，可能只是多次嘗試的結果。
| 組別 | 開發期 | 驗證期 | 保留期 |
|---|---|---|---|
| 12／26／9 | 待計算 | 待計算 | 鎖定後才評估 |
| 8／17／9 | 待計算 | 待計算 | 鎖定後才評估 |
| 19／39／9 | 待計算 | 待計算 | 鎖定後才評估 |
每格至少帶成本後報酬、最大回撤、交易數與持倉比例，而非只放一個最高值。TradingView 的過度擬合說明強調把調參樣本與樣本外評估分開；任何歷史或模擬結果仍無法保證未來。
實作：先保存試驗登記，再讓程式排序
- 寫下標的、授權資料來源、擷取日期、K 線週期、調整方式及開發／驗證／保留範圍。
- 列出三組參數、種子、前置資料、交叉不等式、成交、股息、現金與成本口徑。
- 指定唯一主要排序指標及風險限制；不合風險限制的組別記不通過，不臨時改限制。
- 先在開發與驗證區間比較；選定後鎖版，最後保留區間只評估一次。
- 若要持續研究，另定下一個前瞻觀察窗口，不能把已看過的保留期再當未見資料。
可採滾動設計：每次只用當時之前的資料選參數，再固定用於下一段；將各次真正往前的結果串接，並保存每次選擇。不要用全期間挑出的同一最佳組合，再把曲線命名為滾動樣本外。
反例：快速參數贏在圖上，卻輸在執行條件
較短窗口可能在急轉向較早出現金叉，也可能在盤整時增加往返。若測試只採完美中間價、零滑價與即時成交，優勢可能來自理想化執行。用同一成本規格重算後才能判斷，不應先稱較快參數更有效。
另一個反例是針對某個事件密集調參，換一段行情後失效。這不必然證明所有參數研究都無用，而是結論只能限於已驗證範圍。需要重溫窗口與算法可先讀MACD 公式與參數；其他工具可從技術指標教學比較研究目的。
常見問題
12／26／9 一定是最好的嗎？
不是普遍最優解。它是清楚、常用的比較起點；最佳的定義仍取決於標的、週期、規則、成本及評估指標。
為何要樣本外測試？
避免把同一批資料同時用來挑參數和證明有效。已看過並據以修改設定的期間，不再是乾淨的未見資料。
參數愈多組愈好嗎？
更多嘗試增加偶然挑到漂亮結果的可能。應記錄所有試驗、控制選擇過程，並保留未參與調整的評估資料。
延伸閱讀
本文供投資研究與學習參考，不構成個別投資建議；指標與假設算例不保證未來報酬，投資可能損失本金。