Evaluating forecasts of risk measures, such as value–at–risk (VaR) and expected shortfall (ES), is an important process for financial institutions. Backtesting procedures were introduced to assess the efficiency of these forecasts. In this paper, we compare the empirical power of new classes of backtesting, for VaR and ES, from the statistical literature. Further, we employ these procedures to evaluate the efficiency of the forecasts generated by both the Historical Simulation method and two methods based on the Generalized Pareto Distribution. To evaluate VaR forecasts, the empirical power of the Geometric–VaR class of backtesting was, in general, higher than that of other tests in the simulated scenarios. This supports the advantages of using defined time periods and covariates in the test procedures. On the other hand, to evaluate ES forecasts, backtesting methods based on the conditional distribution of returns to the VaR performed well with large sample sizes. Additionally, we show that the method based on the generalized Pareto distribution using durations and covariates has optimal performance in forecasts of VaR and ES, according to backtesting.A avaliação das previsões de medidas de risco, como o Value-at-Risk (VaR) e o Expected Shortfall (ES), é uma atividade muito relevante para as instituições financeiras. Os testes que realizam esta avaliação foram introduzidos com o objetivo de verificar a efiiência destas previsões. Neste trabalho comparamos o poder empírico de novas classes de testes de avaliação presentes na literatura. Além disso, utilizamos estes procedimentos para avaliar a efiiência das previsôes geradas pelo método de simulação histórica e baseados na distribuição generalizada de Pareto. Para avaliar previsões de VaR, a classe de testes Geométrico-VaR destacou-se por ter um poder empírico maior que os outros testes nos cenários simulados. Isto evidencia as vantagens de trabalhar com durações discretas e incluir covariáveis nos modelos de testes. Para avaliar previsões de ES, aqueles baseados em distribuições condicionais do retorno ao VaR mostraram um alto poder para grandes tamanhos amostrais. Adicionalmente, mostramos que o método baseado na distribuição generalizada de Pareto utilizando durações e covariáveis resulta em ótimo desempenho nas previsões de VaR e ES.