금융시장은 복합적인 요인들이 상호 연관성을 가지며 복잡한 시장 구조를 형성하고 있다. 이러한 복잡성을 반영하여 해석하고 예측할 수 있는 네트워크 분석 및 그래프 신경망(Graph Neural Network, GNN)기법이 큰 주목을 받고 있으나 금융 분야에서의 연구는 드물다. 본 논문에서는 KRX300 섹터지수 중 시장 대표성이 높은 다섯 가지를 선정하고, 구성 종목들의 상관관계를 기반으로 COVID-19 전후의 구간과 전체 기간 네트워크를 구축했다. 이를 통해, 구간 별 네트워크 구조와 차이를 분석하고 그래프 신경망 기법을 활용하여 개별 종목의 섹터를 예측하는 노드 분류를 수행했다. 네트워크 분석 결과, COVID-19 전과 후 그리고 전체 기간에 걸쳐 금융 섹터 종목들이 높은 중심성 값을 가졌고, 이후의 기간에서 정보기술 섹터 종목들이 이전의 기간보다 비교적 높은 중심성 값을 가지며 중요성이 증대되었다. 커뮤니티 탐지는 금융과 정보 기술 섹터의 특성은 잘 잡아냈지만, 나머지 섹터는 그러지 못했다. 노드 분류 결과는, COVID-19 이후의 기간에서 제일 높은 예측 성능을 보였으며, 모든 기간에서 GAT 모형이 GCN 모형보다 우수한 성능을 보여줬다.