针对非参数条件分位回归的问题,本文首先介绍了分位回归中损失函数的类型、窗宽选择方法以及各种核函数的形式,从而引出分位回归的定义,并且给出了分位回归模型的一个综述。在分位回归的基础上,我们提出了一种自适应局部线性平滑的方法,并将该方法用在分位回归模型和复合分位回归模型的估计当中,建立不同分位上的95％Bootstrap置信带。自适应指的是窗宽的自动选择方法,本文证明了自适应分位回归模型与自适应复合分位回归模型的渐近正态性,我们研究了自适应分位回归模型的精确非渐近风险界性质,它是一种以概率l逼近的渐近性质。Bootstrap置信带方法的一般步骤和局部线性拟合方法的基本思想,通过应用蒙特卡洛模拟,我们研究了自适应局部常数分位回归模型与自适应局部线性分位回归模型的模拟,接着用模拟的方法建立各个分位上的95％置信带。实证研究也表明我们所应用的这种自适应的方法要优于局部线性分位回归拟合方法。第一章是文献综述与本文创新点的说明,第二章是对分位回归与复合分位回归的研究背景,第三章是理论性质证明以及理论算法介绍,第四章是蒙特卡洛模拟,第五章是实证研究,最后一章是本文的结论与不足之处以及今后研究的方向。总之,本文通过对自适应方法与局部线性分位回归和普通分位回归方法的比较,模拟研究和实证研究都能够证明这种自适应局部线性平滑的方法能有效拟合数据中的高频振动性,因此更具有理论性质和实际应用价值。