基于高频数据的波动率估计对于准确计量和控制金融资产风险至关重要。具有无限跳跃活动和微观结构噪声的Lévy过程被认为是高频金融数据的最简单模型之一。利用这个模型，我们提出了一个通过忽略过程的跳跃分量而获得的波动率的“故意指定错误”的后验。通过对位置偏移的简单估计和对数似然的重新标定，进一步纠正了指定错误的后验值。我们的主要结果建立了Bernstein-von Mises（BvM）定理，该定理表明，所提出的调整后验函数是渐近高斯的，以一致估计为中心，方差等于Fisher信息的逆。在没有微结构噪声的情况下，我们的方法可以推广到对一般Itó半鞅的积分方差进行推断。通过仿真验证了所得到可信区间的准确性，以及基于调整后验的近似贝叶斯推断的频率特性。