Se propone un nuevo modelo autorregresivo de coeficientes aleatorios, y una característica del modelo es la no estacionariedad de la ecuación de estado. El coeficiente autorregresivo es una función desconocida con una variable de estado no observable, que puede ser estimada mediante el método de regresión lineal local. Se construye un algoritmo iterativo para estimar los parámetros basado en el método de mínimos cuadrados ordinarios. Los residuos de mínimos cuadrados ordinarios se utilizan para estimar las varianzas de los errores. Se utiliza el método de estimación Kalman-suavizado para estimar la variable de estado no observable debido a su capacidad para tratar con procesos estocásticos no estacionarios. Estos métodos permiten derivar las soluciones analíticas. El rendimiento de los métodos de estimación se evalúa a través de simulación numérica. El modelo se valida utilizando datos de series temporales reales del índice de gran capitalización S&P/HKEX.