对于IV值（Information Value）的说法，错误的选项是：**D: 任何情况我们都应该选择最高的IV值**。

### 专业分析：
IV值用于衡量特征与目标变量之间的关联性，在特征选择特别是信用评分模型中非常重要。我们逐一分析各选项：

- **A: 高IV值表示该特征和目标变量的关联度高**
- **正确**。IV值越高，说明特征对目标变量的区分度越强。通常，IV值可以分为以下几个等级：
- IV < 0.02: 无预测价值
- 0.02 ≤ IV < 0.1: 弱预测能力
- 0.1 ≤ IV < 0.3: 中等预测能力
- IV ≥ 0.3: 强预测能力

- **B: 过高的IV值，可能有潜在的风险**
- **正确**。非常高的IV值（一般超过0.5或0.6）可能意味着过拟合，尤其是在建模数据集上表现特别好，而在新数据上表现不佳。

- **C: 特征分箱越细，IV值越高**
- **正确**。分箱越细，通常IV值会上升，因为每个箱可以更具体地捕捉目标变量的分布差异。但是，过细的分箱可能导致过拟合，需要平衡。

- **D: 任何情况我们都应该选择最高的IV值**
- **错误**。虽然高IV值通常意味着更强的预测能力，但在某些情况下，过高的IV值可能导致过拟合。此外，选择特征时也需要考虑特征之间的相关性、业务意义以及模型的可解释性。选择特征的过程应综合考虑这些因素，而不是仅仅依赖IV值。

因此，选项D是错误的，特征选择时不能仅凭IV值高低来决定。