向量自回归（VAR）是一种灵活的时间序列模型，可以捕捉宏观经济变量之间复杂的动态相互关系。然而，它们的密集参数化导致了不稳定的推断和不准确的样本外预测，特别是对于具有许多变量的模型。这个问题的一个解决方案是使用信息先验，以便将丰富参数化的无限制模型缩小为简约的naiëve基准，从而减少估计的不确定性。本文本着层次建模的精神，研究了这些先验信息的最优选择，我们将其视为附加参数。这种方法理论上有根据，易于实施，并大大减少了先验设置中主观选择的数量和重要性。此外，它在样本外预测以及因子模型方面都表现得很好，在脉冲响应函数估计方面也很准确。