La capacidad de predecir los precios de las acciones es esencial para informar las decisiones de inversión en el mercado de valores. Sin embargo, la complejidad de varios factores que influyen en los precios de las acciones ha sido ampliamente estudiada. Los métodos tradicionales, que se basan en información de series temporales para una sola acción, son incompletos ya que carecen de una perspectiva holística. El efecto de vinculación en el mercado de valores, donde los precios de las acciones son influenciados por los de las acciones asociadas, requiere el uso de datos más completos. Actualmente, la información de relación entre acciones se obtiene principalmente a través de datos de clasificación de la industria de plataformas de terceros, pero estos datos suelen ser aproximados y están sujetos a retrasos temporales. Para abordar esto, este documento propone un modelo relacional de series temporales (TSRM) que integra información de tiempo y relación. El TSRM utiliza datos de transacciones de acciones para obtener automáticamente la clasificación de acciones a través de un modelo K-means y deriva relaciones entre acciones. La información de series temporales, extraída utilizando una memoria a corto y largo plazo (LSTM), y la información de relación, extraída con una red convolucional gráfica (GCN), se integran para predecir los precios de las acciones. El TSRM fue probado en los mercados de valores de Shanghai y Shenzhen en China, con resultados que muestran una mejora en los rendimientos acumulativos del 44% y 41%, respectivamente, en comparación con el valor base, y una reducción en la reducción máxima del 4.9% y 6.6%, respectivamente.