In this paper a methodology to compare the performance of different stochastic discount factor (SDF) models is suggested. The starting point is the estimation of several factor models in which the choice of the fundamental factors comes from different procedures. Then, a Monte Carlo simulation is designed in order to simulate a set of gross returns with the objective of mimicking the temporal dependency and the observed covariance across gross returns. Finally, the artificial returns are used to investigate the performance of the competing asset pricing models through the Hansen and Jagannathan (1997) distance and some goodness-of-fit statistics of the pricing error. An empirical application is provided for the U.S. stock market.Neste artigo apresenta-se uma metodologia para comparar a performance relativa de diferentes modelos de fator estocástico de desconto (SDF - Stochastic Discount Factor). O ponto de partida é a estimação de modelos de fatores gerados por abordagens distintas. Em seguida, uma simulação de Monte Carlo é construída para simular um conjunto de retornos (brutos) de ativos, com o intuito de replicar a dependência temporal e respectivas covariâncias amostrais observadas em retornos de ativos. Por fim, os retornos artificiais são utilizados para investigar a performance de modelos de precificação de ativos através da distância de Hansen e Jagannathan (1997) e de algumas estatísticas de teste baseadas em erros de precificação. Um exercício empírico com dados de ativos norte-americanos é apresentado para ilustrar a metodologia proposta.