IV和KS是风控中常用的评估指标，用于衡量变量的预测能力和区分度。一般来说，IV和KS值越大，表示该变量的预测能力越强。本文从IV和KS以及两者之间的关系方面作一些思考。
一、IV值
一般来说，IV计算用于筛选变量，常用来评估某变量的预测能力。其本质是从信息熵上比较好人分布和坏人分布之间的差异性(具体可参考之前的文章相对熵与IV、PSI的关系)。
有一点需要注意的是IV的大小受到分箱的影响。一般在计算IV时，如果是数值变量，会选用卡方分箱(最优分箱)之后的结果；如果是类别变量，则可以用badrate编码进行降基处理后再计算IV。
二、KS值
一般来说，KS指标用于评估模型，即模型对好坏客户的区分程度。其本质是模型能够将好坏客户区分开的能力。(具体可参考模型评估指标之间的一些联系)
同样需要注意的一点，KS计算可以分箱，也可以不分箱。不分箱法可得出最大且唯一的KS值，分箱算出来的KS值会小一点，而且分箱分的越细，KS越大，分箱越粗，KS越小。这一点其实在IV计算的时候也适用，分箱越细，IV值越大，因为IV和KS本质上都是在衡量好与坏两个分布之间的距离，如果分箱越多，那好人与坏人的分布差异自然就越大。 
三、IV和KS的关系
上面提到，IV和KS本质上都是在衡量好与坏两个分布之间的距离。IV是将好坏分布叠在一起从信息熵上比较相似程度；KS是从累积好坏分布之间的最大间隔来进行比较。那既然都是在比较分布的差异，那为什么筛选变量的时候用IV、评估模型性能的时候用KS？
先来看下面这个例子。下图中有两个变量，变量2是将变量1中的bin3和bin5进行调换，单变量排序性减弱，KS从19.09%降到17.62%。由于bin3-5发生风险发生倒挂，因此坏人的分布发生上移，好人分布不变，好人与坏人分布的差异性减小(IV不变是因为只是调整了bin3和bin5的顺序)。
在实际工作中，在比较两个变量的风险区分度的时候，如果不通过IV和KS指标进行比较的话，还有一种方法就是保持两个变量的分布一致，然后直接看各个分箱上的风险表现。在上面的例子中，变量1和2在各个bin上的分布是一致的，因此可以直接看坏样本率的差异，直观上变量1的风险区分度要好，从KS值上也反映了这一点。
假设现在有两个变量，分布不一致，在无法手动调节其分布的情况下，只能通过比较其IV或者KS来说明变量的风险区分度。
由于分布不一致，因此无法直接通过分箱的坏样本率来判断变量的区分度。从IV和KS指标上来看，IV上变量2更好(0.2vs0.3)，KS上变量1更好(19%vs17%)。由于变量2中bin2-bin4坏样本率完全一致，因此对bin2-bin4作下合并。
合并之后，IV上变量2更好(0.16vs0.3)，KS上变量2更好(13%vs17%)。可以看到调整分箱之后，变量1上KS下降幅度很大，导致结论出现反转。造成这种现象的原因是分箱数较少，KS的波动较大。因此对于这种分箱较少的单变量，用KS去衡量预测能力是不合适的。
总结一下，IV和KS都可以用来衡量变量的预测能力和区分度，本质都是在计算好坏之间分布的差异。IV虽受到分箱的影响，但一般计算时都会采用卡方分箱，所以影响不大；KS指标有最大且唯一的值，更适用于分数这种排序性较好的变量。
关于KS和IV值的关系，这里照搬下求是汪在知乎上的答案。当IV等于0.5的时候，KS接近30%；IV等于1的时候，KS接近40%。
【作者】：Labryant
【原创公众号】：风控猎人
【简介】：做一个有规划的长期主义者。
【转载说明】：转载请说明出处，谢谢合作！~
