Black-Litterman är en allokeringsmodell som gör det möjligt att förena historiska avkastningar med personliga övertygelser om framtida avkastningar från en enskild investerare. Denna studie jämför två kvantitativa metoder i framtagande av felskattningen för framtida prognoser i syfte att kunna minska Black-Littermans subjektivitet. Tidigare litteratur har testat dessa metoder enskilt men aldrig ställt dem mot varandra. De metoder som undersöks använder varianser proportionella mot varianser i marknadsjämvikten, samt varianser från residualer i en faktormodel. Resultatet visar att tillämpandet av varianser framtagna av en GARCH (1,1)-modell är den metod som genererar högst avkastning, samt ger upphov till en fördelning av tillgångar som bidrar till lägst marknadskänslighet. Utifrån denna studie rekommenderas därmed tillämpningen av varianser från residualer i en faktormodel som tillägg för att minska modellens godtycklighet. / The Black-Litterman allocation model unifies historical returns with investor personal views of future returns. The study compares two quantitative methods for the estimation of uncertainty in future views with the goal to mitigate the subjectivity of the Black-Litterman model. Previous literature have investigated and tested these methods independently but a comparison has never been made between them. The two methods consist of using variances in proportion to the variances of market equilibrium and operating the residual variance of a factor model. Results show that the usage of variances estimated by a GARCH (1,1) will generate the highest average returns with an allocation distribution that contributes to least market sensitivity. Furthermore, the study recommends the implementation of variances from residuals with the addition of a factor model to diminish the subjectivity of the Black-Litterman model.