当某些数据具有较强的异常值时，如何使用SARIMA预测？

Question

我正在使用SARIMA方法来预测大量时间序列（约10000个）。在Python中，pyramid模块提供了auto_arima，可以像这样使用

from pyramid.arima import auto_arima

stepwise_model = auto_arima(train, start_p=1, start_q=1,
                           max_p=3, max_q=3, m=12,
                           start_P=0, seasonal=True,
                           d=1, D=1, trace=True,
                           error_action='ignore',  
                           suppress_warnings=True, 
                           stepwise=True)

stepwise_model.fit(train)

future_forecast = stepwise_model.predict(n_periods=test.shape[0])

在某些时间序列上，效果很好，就像这个：

但是某些时间序列并不是真正的“可预测”，因此SARIMA方法不起作用：

将“可预测”数据与“不可预测”数据区分开并仅在第一组上使用SARIMA算法或修改SARIMA算法以改善预测的策略是什么？