时间序列分析作为一种常用的统计学分析方法,是窥探真实世界复杂系统动态演化的重要手段。自回归时间序列作为一种常见的线性时间序列模型,将当前时间状态以过去的状态的线性组合表现出来,这个模型在现实中容易被实行,因而在各个领域都有着广泛的运用。但实践也表明经济金融等领域很多时间序列数据表现出非线性特征。在此背景下,最近几十年关于非线性时间序列模型的研究得到了飞速发展,而随机系数模型作为一种非线性模型也越来越受到经济学家的重视。本文以一阶随机系数自回归(RCA(1))模型为研究对象,在两种不同的情形下研究了模型中的参数估计问题。由于金融经济采集的数据常常不可避免地具有重尾性质,本文第二章中假设模型的随机扰动项是一列属于正态吸引场的独立同分布的随机变量,允许其方差无穷。在这种情况下,我们建立了RCA(1)模型自回归系数的条件最小二乘估计的渐近统计分布,并利用模拟数据对结论进行了验证。另一方面,当外部环境发生变化,比如机制的改革,重大经济事件的发生(如经济大危机、石油危机等)都会导致数据结构发生改变。有鉴于此,本文第三章考虑了自回归系数带单变点的RCA(1)模型。通过构造统计量,对变点位置进行检测,并得到了相关参数的条件最小二乘估计的渐近分布及相合性；之后利用模拟数据对结论进行了验证。