Evaluamos estimaciones de Valor en Riesgo (VaR) y Pérdida Esperada (ES) asumiendo diferentes modelos para los rendimientos estandarizados: distribuciones basadas en expansiones polinómicas como Cornish-Fisher y Gram-Charlier, y densidades paramétricas conocidas como normal, sesgada-t y Johnson. Este artículo tiene como objetivo analizar si los modelos basados en expansiones polinómicas superan a los paramétricos. Realizamos la comparación del rendimiento del modelo en dos etapas: primero, con un análisis de backtesting de VaR y ES; y segundo, utilizando funciones de pérdida. Nuestros resultados de backtesting muestran que todas las distribuciones, excepto las normales, se desempeñan bastante bien en las estimaciones de VaR y ES. En cuanto al análisis de la función de pérdida, concluimos que las expansiones polinómicas (específicamente, la de Cornish-Fisher) suelen superar a las densidades paramétricas en la estimación de VaR, pero estas últimas (específicamente, la densidad de Johnson) superan ligeramente a las primeras en la estimación de ES; sin embargo, las ganancias de usar un enfoque u otro son modestas.