L'ottimizzazione di portafoglio in media-varianza è estremamente diffusa e utilizzata dagli investitori di tutto il mondo, ciononostante questo approccio presenta diverse debolezze, tra cui l'elevato numero di parametri necessari in input e la sensibilità alle loro piccole variazioni. In questa tesi presentiamo approcci robusti presenti nella letteratura dell'ottimizzazione di portafoglio che mirano ad arginare i problemi elencati: l'ottimizzazione robusta, l'approccio risk parity e la modelli basati su fattori di rischio. Dopo aver discusso i modelli di ottimizzazione li implementiamo su python e li compariamo con analisi uni e multi-periodali volte a confrontarne performance e stabilità.