Contextual bandit은 순차적 의사 결정 과정에서 개별 정보를 고려하여 누적 보상을 최대화한다. Contextual bandit은 추천 시스템, 모바일 헬스케어 등과 같은 개인 맞춤형 서비스에서 많은 성과를 얻고 있다. 기존의 연구들은 대부분 보상과 개별 정보간의 선형 함수를 가정하고, 목적함수를 기대값으로 설정하는 OLS방법을 사용한다. 최근 위험인식 분야에서 위험도를 타겟팅하기 위해 분위수를 목적함수로 하는 bandit이 활발히 연구되었으나, 주로 Context-free bandit을 고려한다. 본 논문에서는 Contextual bandit에서 보상의 분위수를 목적함수로 하는 알고리즘을 제안한다. 시뮬레이션을 통해 분위수 회귀분석과 OLS를 비교한 후 알고리즘을 실제 데이터에 적용해봄으로써 분위수를 타겟팅했을 때 적절한 추천이 가능한지 검토한다.