The objective of this thesis is to find the best-performing portfolio optimization strategy. This paper compared equal weight, minimum variance with and without short selling, hierarchical risk parity, random portfolio, and optimal Sharpe portfolio methods, and it used parameter estimation to shrink and denoise the covariance matrix. Backtesting and simulation are also used here. Finally, using performance metrics and statistical tests, we decided on the best performing method. After all, this research proves that the hierarchical risk parity method is the best-performing method. For further research, it is recommended that more extensive data sets be tried and that this be improved using time series analysis. Syftet med denna avhandling är att hitta den bästa portföljoptimeringsstrategin. Detta dokument jämförde lika vikt, minsta varians med och utan blankning, hierarkisk riskparitet, slumpmässig portfölj och optimala Sharpe-portföljmetoder, och den använde parameterup-pskattning för att krympa och brusreducera kovariansmatrisen. Backtesting och simulering används också här. Slutligen, med hjälp av prestandamått och statistiska tester, bestämde vi oss för den bästa metoden. När allt kommer omkring bevisar denna forskning att den hierarkiska riskparitetsmetoden är den bästa metoden. För vidare forskning rekommenderas att mer omfattande datamängder prövas och att detta förbättras med hjälp av tidsserieanalys.