Recientemente, se propuso un algoritmo de descenso de gradiente de orden fraccional cuasi (QFGD) y se aplicó con éxito para resolver el problema de identificación del sistema. El QFGD sufre del problema de sobrepametrización y resulta en la estimación de parámetros redundantes en lugar de identificar solo los parámetros reales del sistema. Este estudio desarrolla un nuevo algoritmo jerárquico QFDS (HQFGD) al introducir los conceptos de principio de identificación jerárquica e idea de separación de términos clave. El HQFGD propuesto se aplica de manera efectiva para resolver el problema de estimación de parámetros del sistema INARX. Se realiza una investigación detallada sobre el rendimiento del HQFGD bajo diferentes condiciones de perturbación considerando diferentes órdenes fraccionarios y variaciones en la tasa de aprendizaje. Los resultados de la simulación validan el mejor rendimiento del HQFGD sobre su contraparte estándar en términos de precisión de estimación, velocidad de convergencia y robustez.