To verify whether an empirical distribution has a specific theoretical distribution, several tests have been used like the Kolmogorov-Smirnov and the Kuiper tests. These tests try to analyze if all parts of the empirical distribution has a specific theoretical shape. But, in a Risk Management framework, the focus of analysis should be on the tails of the distributions, since we are interested on the extreme returns of financial assets. This paper proposes a new goodness-of-fit hypothesis test with focus on the tails of the distribution. The new test is based on the Conditional Value at Risk measure. Then we use Monte Carlo Simulations to assess the power of the new test with different sample sizes, and then compare with the Crnkovic and Drachman, Kolmogorov-Smirnov and the Kuiper tests. Results showed that the new distance has a better performance than the other distances on small samples. We also performed hypothesis tests using financial data. We have tested the hypothesis that the empirical distribution has a Normal, Scaled Student-t, Generalized Hyperbolic, Normal Inverse Gaussian and Hyperbolic distributions, based on the new distance proposed on this paper.Para verificar quando uma distribuição empírica tem uma determinada distribuição teórica, vários testes têm sido usados, como os testes de Kolmogorov-Smirnov e Kuiper. Estes testes tentam analisar se todas as partes da distribuição empírica têm uma determinada forma teórica. Porém, no contexto de Administração do Risco, o foco da análise deveria ser nas caudas das distribuições, já que estamos interessados nos retornos extremos dos ativos financeiros. O presente artigo propõe um novo teste de ajuste com foco nas caudas da distribuição. O novo teste é baseado na medida de Valor em Risco Condicionado. Logo, usamos simulação de Monte Carlo para analisar o poder do novo teste com diferentes tamanhos de amostra, e depois os comparamos com os testes de Crnkovic e Drachman, Kolmogorov-Smirnov e Kuiper. Os resultados mostram que a nova distância possui um melhor desempenho do que as outras distâncias para pequenas amostras. Também analisamos testes de hipóteses usando dados financeiros. Testamos as hipóteses de que a distribuição empírica seja uma Normal, t-Student, Hiperbólica Generalizada, Normal Inversa Gaussiana e Hiperbólica, usando a nova distância proposta neste artigo.