Modelos auto-regressivos (AR(p)) de séries temporais supõem que a dinâmica da série contém uma dependência linear nas observações passadas até uma defasagem p, e um erro aleatório independente e identicamente distribuído (i.i.d). Modelos de auto-regressão quantílica (QAR(p)) são uma generalização dos AR(p) em que os coeficientes auto- regressivos variam com o quantil da distribuição condicional, não sendo necessária, portanto, uma componente explícita de erro aleatório. Esta dissertação estuda a inferência estatística proposta para modelos QAR(p) por Koenker e Xiao (2004), com o auxílio de simulações de Monte Carlo. Enquanto a estimação mostra-se bem precisa, os resultados do teste de hipóteses, onde a hipótese nula supõe um modelo auto-regressivo (AR), não apresentam bons resultados, variando estes com o modelo gerador de dados.