Pm AutoARIMA не найдено подходящих моделей

Я пытаюсь создать сезонную модель ARIMA (SARIMA), используя AutoARIMA pmdarima. Причина этого в том, что новые данные будут доступны в течение всего жизненного цикла проекта, и требуется код, который автоматически находит лучшую модель временных рядов. К сожалению, мой текущий код, похоже, производит мусор:

import pmdarima as pm
import pandas as pd


train_data = pd.read_csv("test.csv", header=None, names=["Value"])["Value"]
model = pm.AutoARIMA(seasonal=True, m=168, trace=True)
model.fit(train_data.fillna(0))

test.csv

Вывод (пока, спустя некоторое время на большом сервере):

Performing stepwise search to minimize aic
 ARIMA(2,1,2)(1,0,1)[168] intercept   : AIC=inf, Time=4041.19 sec
 ARIMA(0,1,0)(0,0,0)[168] intercept   : AIC=-35451.160, Time=1.07 sec
 ARIMA(1,1,0)(1,0,0)[168] intercept   : AIC=inf, Time=15118.06 sec
 ARIMA(0,1,1)(0,0,1)[168] intercept   : AIC=-35951.886, Time=3805.77 sec
 ARIMA(0,1,0)(0,0,0)[168]             : AIC=-35453.123, Time=0.56 sec
 ARIMA(0,1,1)(0,0,0)[168] intercept   : AIC=-35723.198, Time=2.69 sec
 ARIMA(0,1,1)(1,0,1)[168] intercept   : AIC=inf, Time=61326.67 sec
 ARIMA(0,1,1)(0,0,2)[168] intercept   : AIC=inf, Time=39971.60 sec
 ARIMA(0,1,1)(1,0,0)[168] intercept   : AIC=-36054.745, Time=4211.60 sec
 ARIMA(0,1,1)(2,0,0)[168] intercept   : AIC=-36344.782, Time=30668.84 sec

Данные имеют две сезонные модели (одну дневную и одну недельную). Включение ежедневного шаблона дает ощутимые результаты (с использованием m=24), но еженедельный имеет тенденцию вызывать AIC=inf, как в примере выше.