Mean variance optimization has shortcomings making the strategy far from optimal from an investor’s perspective. The purpose of the study is to conduct an empirical investigation as to how modern methods of portfolio optimization address the shortcomings associated with mean variance optimization. Equal risk contribution, the Most diversified portfolioand a modification of the Minimum variance portfolio are considered as alternatives to the mean variance model. Portfolio optimization models introduced are explained in detail and solved using the optimization algorithms Cyclical coordinate descent and Alternating direction method of multipliers. Through implementation and backtesting using a diverse set of indices representing various asset classes, the study shows that the mean variance model suffers from high turnover and sensitivity to input parameters in comparison to the modern alternatives. The sophisticated asset allocation models equal risk contribution and the most diversified portfolio do not rely on expected return as an input parameter, which is seen as an advantage, and are not affected to the same extent by the shortcomings associated with mean variance optimization. The paper concludes by discussing the findings critically and suggesting ideas for further research. / Maximering av avkastning i samband med minimering av varians, på engelska kallat Mean variance optimization, är inte optimalt ur en investerares synpunkt. Syftet med denna uppsats är att genomföra en empirisk studie av hur moderna metoder för portföljallokering adresserar de problem som är förknippade med Mean variance optimization. Mer specifikt undersöks allokeringsstrategierna Equal risk contribution, Most diversified portfolio samt en variant av Minimum variance som ersättare till Mean variance optimization. Allokeringsmetoderna beskrivs detaljerat och löses med optimeringsalgoritmerna Cyclical coordinate descent och Alternating direction method of multipliers. Genom implementering och historisk simulering med ett antal index som representerar olika tillgångsslag visar studien att Mean variance optimization innebär hög portföljomsättning och har en större känslighet för ingångsparametrar i jämförelse med de moderna alternativen. De sofistikerade allokeringsmodellerna Equal risk contribution och Most diversified portfolio bygger inte på ingångsparametern förväntad avkastning, vilket ses som en fördel, och drabbas inte i samma utsträckning av problemen associerade med Mean variance optimization. Studien avslutas med att diskutera resultatet kritiskt och ge förslag på vidare studier som bygger på den teori och det resultat som har presenterats.