本项目执行过程顺利，达到了预期目标，执行本项目共产生了7篇科研论文，其中6篇SCI期刊论文。..加权复合分位数回归(WCQR)是一种十分稳健和有效的回归方法，我们首先针对非线性模型建立起WCQR估计的渐进正态性，并从最小化渐近方差的角度提出数据决定权并由此发展出自适应WCQR回归。在模型误差未给定的情况下，自适应WCQR估计的极限效率达到了理想极大似然估计（假定模型误差已知用极大似然方法导出的估计）的效率。此外，我们还提出了惩罚加权复合分位数回归并建立起模型选择理论。计算上我们发展了内点算法解决了（惩罚）加权复合分位数回归的执行问题，模拟和实例分析证实了WCQR的上述优点（Statistica Sinica 22(4)，2012）。 ..由于加权复合分位数回归十分稳健和有效，在估计模型时不需要假设模型的误差分布，这一点使得WCQR十分适合估计预测波动率的模型。为此，作为本项目的实证部分我们用加权复合分位数回归分析了双门限ARCH和广义ARCH模型。针对双门限ARCH模型，我们解决了它的自回归参数和条件异方差参数的同时估计问题，这一问题曾在Koenker和Zhao(1996, Econometric Theory 12)的工作中提及但没有获得解决（The Econometrics Journal 17(1)）。针对广义ARCH模型，我们用WCQR方法估计了模型，导出参数的WCQR估计的渐进性质。实证分析的结果表明WCQR方法在估计GARCH模型时表现十分稳健和有效（Journal of Testing and Evaluation 第二稿）。 . . 对于本项目里的函数系数ARCH模型部分，由于在研究FARCH模型的局部分位数回归估计时，导出非参数估计的渐进理论过程过于复杂，而用贝叶斯方法研究可以避免这个问题，故FARCH模型部分改用贝叶斯方法来分析并取得了很好的结果（Bayesian analysis 9(3)，2014）。此外，我们应2014 IMECS邀请做了关于加权分位数回归及其应用的大会专题报告（IMECS 2014 Vol II, P818-822）。在完成本课题的同时，本项目还产生了其他研究成果（Statistics, 48（4），2014）。