近年来,条件分位数的估计在金融、经济和生物等许多领域中广泛应用。在研究协变量对响应变量在不同分位处影响时,分位数回归方法是一种贴切且有效的估计方法。然而当研究响应分布的极高或极低条件分位数估计时,传统的分位数回归方法是无能为力的。尤其是对重尾分布,其尾部数据往往是人们关注的重要研究对象。当数据中出现明显的离群值时,估计方法的稳健性也成为了一个重要的考虑因素。本文在传统的分位数回归估计和调和的尾部极值指标估计方法的基础上,提出一种重尾分布高条件分位数的调和估计方法(HCS)。通过理论证明,模拟实验和实例分析,可以看出在对高分位数的估计上,新的HCS估计方法弥补传统的分位数估计方法的不足,而且通过估计参数的调整可以做到在估计精度和稳健性之间进行调和以兼顾二者。本文的具体内容如下：第一章,介绍了论文中将要用到的概念,理论和模型。第二章,介绍了一种重尾分布的条件高分位数的估计方法和一种尾部极值的调和估计方法,在此基础上提出了我们的条件高分位数的调和估计方法及其渐近性质。第三章,数值模拟试验。第四章,实例分析。第五章,定理证明。