时间序列分析作为宏观经济分析的常用方法之一,对宏观经济变量的应用研究起着至关重要的作用。其中,自回归（Autoregression,简称AR）模型是时间序列模型中的理论基础,通常使用普通最小二乘（Ordinary Least Squares,简称OLS）法估计AR模型参数。随着Koenker和Bassett（1978）提出分位数回归（Quantile Regression,简称QR）方法以来,QR法开始大量应用于宏观经济学研究领域。在AR模型框架下,引入QR法以反映宏观经济序列的非对称性动态变化特征,就构成了分位数自回归（Quantile Autoregression,简称QAR）模型的基本思想。首先,本文综合介绍了QAR模型的基本形式及其平稳性特征,并使用蒙特卡罗模拟方法分析比较了相关样本矩的统计性质。接下来,以QAR模型回归参数的共单调性特征为理论基础,本文介绍了QR法和两种受约束的条件分位数回归（Restricted Conditional Quantile,简称RCQR）法这三种QAR模型参数估计方法,并深入探究三种方法的适用性条件。为了方便起见,将这两种RCQR法分别称为RCQR（a）法和RCQR（b）法。可以发现,在小样本和大样本条件下,分别使用QR法和RCQR（b）法,能够显著提高QAR模型的估计精度。除此之外,本文还介绍了QAR模型的显著性检验和滞后阶数选择的方法。最后,本文使用QAR模型进行了美元兑人民币汇率的动态序列实证分析。依据QAR模型预测得到的临界分位数值,能够有效区分汇率变动路径当中的平稳时点和非平稳时点。最终可以发现,美元兑人民币汇率序列具有显著的非对称性动态变化特征。