KS（kolmogorov-Smirnov）值衡量的是好坏样本累计各部分之间的差值。
好坏样本累计差异越大，KS指标越大。那么模型的风险区分能力越强。
KS的计算步骤：
1.按照模型的结果对每个账户进行打分。
2.所有账户按照评分排序，并从小到大分为10~20组。
3.计算每个评分区间的好坏账户数。（每个区间的good账户数n, 坏账户数m）
4.（1）计算每个评分区间的累计好账户数占总的好账户数的比例。（从第0个区间到第i个区间的good账户数ni 比 所有的good账户数N，ni/N）
(2)计算每个评分区间累计坏账户数占总坏账户数的比值。(从第0个区间到第i个区间的bad账户数mi 比 所有的bad账户数M， mi/M)
5.计算每个评分区间累计坏账户占比与累计好账户占比之间差的绝对值。（|mi/M - ni/N|，mi/M 减去ni/N的绝对值）然后取绝对值最大的那个值作为评分模型的KS值。
总的来说，KS值越高模型越好，但是过高也会出现问题，让人怀疑是不是有使用未来遍历的嫌疑。所以，一般超过75时就要检视一下模型。