This study investigates and evaluates how different portfolio optimization methods perform when varying assets and financial market scenarios. Methods included are mean variance, Conditional Value-at-Risk, utility based, risk factor based and Monte Carlo optimization. Market scenarios are represented by stagnating, bull and bear market data from the Bloomberg database. In order to perform robust optimizations resampling of the Bloomberg data has been done hundred times. The evaluation of the methods has been done with respect to selected ratios and two benchmark portfolios. Namely an equally weighted portfolio and an equally weighted risk contributions portfolio. The study found that mean variance and Conditional Value-at-Risk optimization performed best when using linear assets in all the investigated cases. Considering non-linear assets such as options an equally weighted portfolio performs best. / Den här studien undersöker och utvärderar hur olika portföljoptimeringsmetoder presterar med varierande finansiella tillgångsslag och marknadsscenarion. De metoder som har undersökts är: väntevärde-varians, villkorligt-värde-av-risk, nyttjande- och Monte Carlo baserad optimering. De marknadsscenarion som valts är: stagnerande, uppåt- samt nedåtgående scenarion där marknadsdata hämtats från Bloomberg för respektive tillgång. För att erhålla robusta optimeringsresultat har data omsamplats hundra gånger. Utvärderingen av metoderna har gjorts med avseende på utvalda indikatorer och två jämförelseportföljer, en likaviktad portfölj och en likariskviktad portfölj. Studien fann att portföljer genererade av väntevärde-varians och villkorligt-värde-av-risk optimering visade bäst prestanda, när linjära tillgångar använts i samtliga scenarion. När ickelinjära tillgångar såsom optioner har använts gav den likaviktade jämförelseportföljen bäst resultat i samtliga scenarion.