금융 분야에서 리스크 모델링과 수익 창출은 복잡하고 정교한 주가 움직임 예측 작업에 크게 의존한다. 시장의 확률적 동역학과 비정상적 행동 특성으로 인해 주가 예측은 매우 복잡한 과제이다. 주가 변동은 전통적으로 연구되어온 과거 가격 정보 외에도 소셜 미디어 및 주식 간 상관관계와 같은 다양한 요인에 의해 영향을 받는다. 온라인 콘텐츠와 지식의 증가 추세는 이러한 다중 모달 신호를 고려할 수 있는 모델의 탐구를 필수적으로 만든다. 본 연구에서는 계층적인 시간적 방식으로 금융 데이터, 소셜 미디어, 주식 간 상호관계로부터 발생하는 혼돈적인 시계열 신호를 효과적으로 통합하는 그래프 신경망 기반 아키텍처를 제안한다. 실제 S&P 500 지수 데이터와 영어 트윗 데이터를 활용한 실험을 통해, 제안된 모델이 투자 결정 및 거래 활동의 실용적 도구로서의 가능성을 입증하였다.