Neste trabalho foram avaliadas estratégias alternativas de seleção de portfólios baseando-se na análise do desempenho out-of-sample. Buscou-se comparar o desempenho obtido pelas estratégias tradicionais baseadas no modelo de otimização por média-variância propostas por Markowitz (1952), o portfólio igualmente ponderado (1/N) e duas abordagens consideradas estatisticamente mais robustas sugeridas por Tu e Zhou (2011). Para a estimação dos modelos, fez-se uso da matriz de covariância amostral e adicionalmente considerou-se um estimador robusto proposto por Ledoit e Wolf (2003) recomendado na literatura. Como amostra, foram coletadas as cotações referentes às ações mais líquidas no mercado acionário brasileiro, incluídas no índice Ibovespa, no período de janeiro de 2004 a dezembro de 2013, tomando como base frequências de rebalanceamento semanais e mensais. A partir de diferentes métricas de avaliação – média, desvio-padrão, índice de Sharpe, breakeven e turnover – foram comparados os desempenhos das diversas estratégias e avaliado o impacto da inclusão dos custos de transação. Somente quando se restringe as vendas a descoberto e com rebalanceamento semanal a estratégia combinada de Kan e Zhou (2007) apresenta resultado próximos aos dos portfólios tangente e de mínima variância. Nos outros casos esses dois portfólios apresentaram melhor performance, superando as outras estratégias sofisticadas, embora quase todas as estratégias testadas tiveram performance superior a estratégias mais simples de 1/N ou de comprar e manter o índice Ibovespa. A vantagem do estimador robusto da covariância parece limitada ao caso de restrição de vendas a descoberto e uma maior frequência de rebalanceamento.